Um projeto de pesquisadores do Departamento de Ciência da Computação (DCC), cujo objetivo é tornar a inteligência artificial mais eficiente e sustentável, foi selecionado pelo NVIDIA Academic Grant Program, iniciativa da gigante de tecnologia dos Estados Unidos.

O Towards Greener NLP: Data-Centered Approaches for Sustainable AI (Rumo a um PNL mais ecológico: abordagens centradas em dados para IA sustentável) é liderado pelos professores Marcos André Gonçalves e Washington Cunha, no âmbito do Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial Responsável para Linguística Computacional, Tratamento e Disseminação de Informação (INCT Tild-IAR).

O programa da NVIDIA oferece acesso a computadores de alto desempenho. O grupo brasileiro recebeu 32 mil horas de uso de GPUs A100, equipamentos usados para treinar inteligência artificial.

Seleção de dados
Desenvolver modelos de inteligência artificial que consumam menos energia e menos recursos computacionais, sem comprometer o desempenho, é o grande objetivo da equipe do INCT Tild-IAR, que já apresenta resultados consistentes com abordagem baseada na seleção e no uso eficiente de dados.

De acordo com Marcos André Gonçalves, o diferencial do projeto está na forma como os dados são utilizados no treinamento. “Nosso foco é investigar como tornar modelos de linguagem mais eficientes a partir de uma perspectiva centrada nos dados, utilizando técnicas como seleção inteligente para reduzir custos e impacto ambiental sem perder desempenho”, informou.

Em um seminário do grupo Content-Centered Computing, na Universidade de Torino, na Itália, o professor demonstrou que é possível reduzir o volume de dados e o consumo energético sem perda relevante de desempenho.

Atualmente, o setor aposta em modelos cada vez maiores – estratégia que implica custos elevados. Por isso, iniciativas como a do INCT sediado na UFMG sugerem um caminho alternativo, calcado na eficiência e menor desperdício. Segundo os pesquisadores, com a infraestrutura garantida, a equipe deve ampliar os experimentos e comparar estratégias de treinamento com foco em economia de energia.

Leia mais no site do DCC.